针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法...针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法进行修改,解决传统图像识别算法在图像存在尺度和旋转变换情况下存在的弊端并降低误匹配率。该方法对ORB算法检测到的特征点采用SURF(Speeded Up Robust Features)算法添加方向信息并完成特征描述,得到旋转尺度不变性的特征点,结合FLANN算法并引入双向匹配策略进行特征点粗匹配,最后利用渐进采样一致算法进一步剔除误匹配点对完成精匹配。实验结果表明,与其他方法相比,改进算法在处理尺度、旋转等变换图像时,匹配正确率分别提高了2.6%~18.8%和29.5%~43.9%,运行时长均在4 s以内,提高了对工件图像的识别效率和精准性。展开更多
针对传统ORB(oriented FAST and rotated BRIEF)算法存在计算量较大、匹配精度较低等问题,提出一种将双边滤波和词袋(BoW)模型相融合的匹配算法。首先,采用双边滤波对图像进行对比度增强和去噪;获取图像的特征点和描述子,将BRIEF描述子...针对传统ORB(oriented FAST and rotated BRIEF)算法存在计算量较大、匹配精度较低等问题,提出一种将双边滤波和词袋(BoW)模型相融合的匹配算法。首先,采用双边滤波对图像进行对比度增强和去噪;获取图像的特征点和描述子,将BRIEF描述子通过BoW模型转化为BoW特征向量,利用BoW模型进行相似度筛选;最后通过渐进采样一致(PROSAC)算法剔除误匹配点对,提高算法的匹配精度。实验结果表明,改进的算法与传统算法相比匹配精确率和匹配速度都明显提高,并且具有较强的鲁棒性。展开更多
文摘针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法进行修改,解决传统图像识别算法在图像存在尺度和旋转变换情况下存在的弊端并降低误匹配率。该方法对ORB算法检测到的特征点采用SURF(Speeded Up Robust Features)算法添加方向信息并完成特征描述,得到旋转尺度不变性的特征点,结合FLANN算法并引入双向匹配策略进行特征点粗匹配,最后利用渐进采样一致算法进一步剔除误匹配点对完成精匹配。实验结果表明,与其他方法相比,改进算法在处理尺度、旋转等变换图像时,匹配正确率分别提高了2.6%~18.8%和29.5%~43.9%,运行时长均在4 s以内,提高了对工件图像的识别效率和精准性。
文摘针对传统ORB(oriented FAST and rotated BRIEF)算法存在计算量较大、匹配精度较低等问题,提出一种将双边滤波和词袋(BoW)模型相融合的匹配算法。首先,采用双边滤波对图像进行对比度增强和去噪;获取图像的特征点和描述子,将BRIEF描述子通过BoW模型转化为BoW特征向量,利用BoW模型进行相似度筛选;最后通过渐进采样一致(PROSAC)算法剔除误匹配点对,提高算法的匹配精度。实验结果表明,改进的算法与传统算法相比匹配精确率和匹配速度都明显提高,并且具有较强的鲁棒性。
